OpenAI представила GPT-6 Sol та Luna: зниження цін та покращене кешування
OpenAI випустила моделі GPT-6 Sol та Luna, значно знизивши ціни та покращивши механізми кешування. Sol конкурує з Claude Fable 5.1 за продуктивністю в коді, але є значно дешевшою.
OpenAI представила нові моделі GPT-6 Sol та Luna, продовжуючи тренд зниження вартості, який раніше ініціювала Anthropic.
Зміни у ціноутворенні
Ціни на нові моделі були суттєво переглянуті:
- Sol: подешевшала вдвічі.
- Luna: ціна знизилася приблизно на 50-58%.
Продуктивність у програмуванні
За оцінками, новий Opus не перевершує Sol у задачах кодування. Метрики знаходяться на рівні Claude Fable 5.1:
- У бенчмарку FrontierCode Sol порівнюється з Claude Fable 5.1 xhigh.
- У DeepSWE Sol набирає 68,8%, тоді як Fable 5 показує 69,9%. Проте Sol приблизно на 80% дешевша.
- Модель Luna (режим max) демонструє результат 66,6%, що відповідає рівню Opus 5 та Fable 5 (medium), але її вартість на 93–96% нижча.
Покращення кешування
OpenAI значно вдосконалила систему кешування:
- Збільшено hit rate.
- Знижка на кешований вхід тепер становить 90%.
- Додано дашборд та інструменти діагностики.
- Кеш більше не скидається при зміні параметра
reasoning effortабо при вимиканні/вмиканні тулів (tools).
Доступність
Моделі вже доступні в підписках та через API. Luna також доступна для безкоштовного використання.
Чому це важливо
АналітикаЗниження цін та покращене кешування роблять передові ШІ-моделі OpenAI більш доступними для розробників, а конкурентна продуктивність у коді створює тиск на інші лабораторії.
Обговорити новину у спільноті
Діліться своїм досвідом та думками з ШІ-розробниками
Пов'язані матеріали екосистеми
Практичні гайди, термінологія та агентські скіли
GPT-6 Astra: гайд по новій моделі OpenAI
Повний огляд флагманської моделі GPT-6 Astra: агентна архітектура, можливості Computer Use, кодинг у Codex, бенчмарки кібербезпеки, тонкощі промптингу та гайд із міграції API.
Кешування промптів (Prompt Caching & KV Cache Reuse)
Технологія сучасних інференс-двигунів та хмарних API (Anthropic, OpenAI, DeepSeek, vLLM), що зберігає попередньо обчислені матриці уваги (KV Cache) статичного префіксу, зменшуючи вартість обробки на 80–90% та скорочуючи час до першого токена (TTFT) у 4–8 разів.
Кешування промптів (Prompt Caching)
Технологія оптимізації інференсу у великих мовних моделях (Anthropic Claude, OpenAI, Google Gemini). Зберігає вже прораховані вектори уваги статичної частини вхідного промпту (великих книг, кодових баз або системних інструкцій) у пам'яті серверів, знижуючи вартість повторних звернень на 50–90%.
Google представила Gemini Decision 1: мультимодальна decision-модель із безкоштовним тиром
Google випустила decision-модель Gemini Decision 1, яка приймає текст, зображення, аудіо, відео та PDF і має безкоштовний API-тир для розробників.